SK
Cергей , когда поставил Ваш метод stochastic_gradient_step() то совсем не сходится ошибка. Вот stochastic_gradient_descent) - http://joxi.net/xAeeZGaUXeKGOA
потому что вот это массив http://prntscr.com/y5db14
Size: a a a
2021 February 03
IS
Sergey Kozlov
потому что вот это массив http://prntscr.com/y5db14
изменил строку на
weight_dist = np.linalg.norm( numpy.subtract( w, prev_w) )
но все равно не сходится...
weight_dist = np.linalg.norm( numpy.subtract( w, prev_w) )
но все равно не сходится...
SK
изменил строку на
weight_dist = np.linalg.norm( numpy.subtract( w, prev_w) )
но все равно не сходится...
weight_dist = np.linalg.norm( numpy.subtract( w, prev_w) )
но все равно не сходится...
вот все мое позорище на общий суд :) Ну может еще чему хорошему научат http://prntscr.com/y5hylv
Y
Для расстояния есть scipy.spatial.distance.cdist
Y
А остальное правильно, ошибка если только в шаге
SS
не знаю, что это за код, по-видимому - SG, но в глаза бросается:
* нарушение PEP-8 (правила написания кода): нет пробелов после запятой, вокруг знака присваивания
* нагляднее явно len(X), чем X.shape[0]
* рассчет расстояния лучше вынести в отдельную функцию, или воспользоваться готовой euclidean из scipy
* iter_num += 1
* нарушение PEP-8 (правила написания кода): нет пробелов после запятой, вокруг знака присваивания
* нагляднее явно len(X), чем X.shape[0]
* рассчет расстояния лучше вынести в отдельную функцию, или воспользоваться готовой euclidean из scipy
* iter_num += 1
A
все время задаюсь вопросом: почему в мл идут ДО изучения пайтона...
i
А как иначе
A
иначе так, как 90% идут в мл
МЛ
Может кто C6W4 проверить? (Задача оттока)
DP
Sergey Salnikov
не знаю, что это за код, по-видимому - SG, но в глаза бросается:
* нарушение PEP-8 (правила написания кода): нет пробелов после запятой, вокруг знака присваивания
* нагляднее явно len(X), чем X.shape[0]
* рассчет расстояния лучше вынести в отдельную функцию, или воспользоваться готовой euclidean из scipy
* iter_num += 1
* нарушение PEP-8 (правила написания кода): нет пробелов после запятой, вокруг знака присваивания
* нагляднее явно len(X), чем X.shape[0]
* рассчет расстояния лучше вынести в отдельную функцию, или воспользоваться готовой euclidean из scipy
* iter_num += 1
* второе спорно, а вдруг len(X) size возвращает? Читаещему код неочевидно будет
Про PEP-8 - имхо не нужно все его соблюдать, там есть правила только для крупных пакетов. Конкретно эти замечания в тему
Про PEP-8 - имхо не нужно все его соблюдать, там есть правила только для крупных пакетов. Конкретно эти замечания в тему
DP
все время задаюсь вопросом: почему в мл идут ДО изучения пайтона...
Ну ибо учить питон чтобы просто учить не все могут))) хотя почему бы параллельно не.. (это не про этот случай)
i
Лучше в начале дискретку выучить, потом графы. Потом матан тёр вер, статистику, алгоритмы и питон и ии
SS
len(ndarray) не может возвращать size. PEP8 - в общем да, но пробелы нужны
SS
у мну куча книг "изучить", от Виленкина до Кострикина. НЕКОГДА
A
* второе спорно, а вдруг len(X) size возвращает? Читаещему код неочевидно будет
Про PEP-8 - имхо не нужно все его соблюдать, там есть правила только для крупных пакетов. Конкретно эти замечания в тему
Про PEP-8 - имхо не нужно все его соблюдать, там есть правила только для крупных пакетов. Конкретно эти замечания в тему
читающему этот код вообще все неочевидно, потому что, по мнению автора кода, рекомендации по оформлению кода придуманы от нечего делать
P
Лучше в начале дискретку выучить, потом графы. Потом матан тёр вер, статистику, алгоритмы и питон и ии
ах если бы в начале пути знать все, что понадобится - и начинать не захочешь
i
Это да
P
а так хоть с осознанием что и зачем, учить ради того, чтобы что-то просто учить - достаточно странная затея
i
Замкнутый круг